Cherif M.

• Conception et développement de modèles de Machine Learning supervisés et non supervisés pour la prédiction, la classification, la segmentation et la détection d'anomalies. • Maîtrise des principaux algorithmes d'apprentissage automatique : Random Forest, Decision Trees, Logistic Regression, K-Nearest Neighbors (KNN), Naive Bayes, Support Vector Machines (SVM), Gradient Boosting, XGBoost et méthodes de clustering (K-Means, Hierarchical Clustering). • Développement de projets d'analyse prédictive et de détection de fraude en Python, incluant la préparation des données, le feature engineering, l'entraînement des modèles et l'évaluation des performances. • Étude et mise en œuvre de réseaux de neurones artificiels et de techniques de Deep Learning avec TensorFlow et Keras. • Utilisation d'architectures avancées telles que les Long Short-Term Memory (LSTM) pour l'analyse de séries temporelles et la prédiction de données séquentielles. • Traitement et analyse de données massives à l'aide d'environnements Big Data et de bases de données relationnelles et non relationnelles. • Conception de pipelines de traitement de données et exploitation d'outils de visualisation et de Business Intelligence pour la restitution des résultats. • Étude approfondie de l'Intelligence Artificielle Générative (Generative AI), des Large Language Models (LLMs) et de leurs applications dans l'entreprise. • Compréhension des architectures Transformer, du fonctionnement des modèles de langage, du prompt engineering, du Retrieval-Augmented Generation (RAG), du fine-tuning et des enjeux liés à l'IA générative. • Analyse des cas d'usage de solutions basées sur les LLMs pour l'automatisation, l'aide à la décision, la recherche d'information, la création de contenu et les assistants conversationnels. • Réalisation de projets appliqués mêlant analyse de données, intelligence artificielle et problématiques business réelles. Technologies & outils : Python • Pandas • NumPy • Scikit-learn • TensorFlow • Keras • SQL • Power BI • Excel • Machine Learning • Deep Learning • LSTM • Random Forest • XGBoost • SVM • Clustering • Data Mining • Generative AI • Large Language Models (LLMs) • Prompt Engineering • RAG • Business Intelligence • Big Data Analytics

• Analyse financière et contrôle de gestion. • Stratégie d'entreprise et management des organisations. • Marketing, comportement du consommateur et développement commercial. • Gestion de projets et amélioration des processus. • Analyse de données et aide à la décision. • Entrepreneuriat, innovation et transformation digitale. • Économie, statistiques et méthodes quantitatives appliquées au business. Compétences développées : Business Analysis • Gestion de projet • Stratégie d'entreprise • Finance • Marketing • Analyse de données • Résolution de problèmes • Leadership • Communication professionnelle • Gestion des opérations